[發(fā)明專利]好友推薦方法及裝置

有效

• 申請?zhí)枺?/td>: 201410406160.6
• 申請日: 2014-08-18
• 公開（公告）號: CN105468598B
• 公開（公告）日: 2020-05-08
• 發(fā)明（設(shè)計）人: 許小可;陳川;賀鵬;岳亞丁;管剛;劉婷婷;許爽
• 申請（專利權(quán)）人: 大連民族學院;騰訊科技（深圳）有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q50/00
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司 11270
• 代理人: 任媛;張穎玲

1.一種好友推薦方法，其特征在于，所述方法包括：

獲取第一用戶的當前用戶屬性及在第一指定時間內(nèi)形成的所述當前用戶屬性對應的歷史用戶屬性；

依據(jù)所述當前用戶屬性及所述歷史用戶屬性，確定所述第一用戶在所述第一指定時間內(nèi)的用戶屬性突變特征；

采用以下公式確定被推薦用戶與所述第一用戶的突變屬性相似度S₁；

其中，所述a_m為第m個用戶屬性突變特征的權(quán)重因子；當所述被推薦用戶具有所述第m個用戶屬性突變特征時，所述b_m為1；當所述被推薦用戶不具有所述第m個用戶屬性突變特征時，所述b_m為0；

其中，所述M為不小于1的整數(shù)，為所述用戶屬性突變特征的總個數(shù)；所述m為不大于所述M的正整數(shù)；

分別獲取所述被推薦用戶與所述第一用戶在第二指定時間內(nèi)形成的社交關(guān)系數(shù)據(jù)，依據(jù)所述社交關(guān)系數(shù)據(jù)確定所述被推薦用戶與所述第一用戶社交關(guān)系的結(jié)構(gòu)相似度；

依據(jù)所述突變屬性相似度及所述結(jié)構(gòu)相似度，選擇被推薦用戶向所述第一用戶推薦；

其中，所述第一指定時間和所述第二指定時間的截止時間相同。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述社交關(guān)系數(shù)據(jù)包括好友信息及添加好友的時序；

所述分別獲取所述被推薦用戶與所述第一用戶在第二指定時間內(nèi)形成的社交關(guān)系數(shù)據(jù)，依據(jù)所述社交關(guān)系數(shù)據(jù)確定所述被推薦用戶與所述第一用戶社交關(guān)系的結(jié)構(gòu)相似度包括：

獲取所述第一用戶的第一好友信息及第一時序；

獲取所述被推薦用戶的第二好友信息及第二時序；

依據(jù)所述第一好友信息、所述第二好友信息、所述第一時序及所述第二時序確定所述被推薦用戶與所述第一用戶的結(jié)構(gòu)相似度。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，

所述依據(jù)所述第一好友信息、所述第二好友信息、所述第一時序及所述第二時序確定所述被推薦用戶與所述第一用戶的結(jié)構(gòu)相似度包括：

按照預設(shè)解析方法解析所述第一好友信息及所述第一時序，確定所述第一用戶形成的第一社交關(guān)系結(jié)構(gòu)特征及形成所述第一社交關(guān)系結(jié)構(gòu)特征的第一時序特征；

按照預設(shè)解析方法解析所述第二好友信息及所述第二時序，確定所述被推薦用戶的第二社交關(guān)系結(jié)構(gòu)特征及形成所述第二社交關(guān)系結(jié)構(gòu)特征的第二時序特征；

確定所述第一社交關(guān)系結(jié)構(gòu)特征及所述第二社交關(guān)系結(jié)構(gòu)特征的結(jié)構(gòu)相似性；

依據(jù)所述第一時序特征及所述第二時序特征確定所述第一社交關(guān)系結(jié)構(gòu)特征及所述第二社交關(guān)系結(jié)構(gòu)特征的時序關(guān)聯(lián)性；

依據(jù)所述結(jié)構(gòu)相似性及所述時序關(guān)聯(lián)性，確定所述結(jié)構(gòu)相似度。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，

所述第一好友信息為所述被推薦用戶的好友集合；所述第二好友信息為所述第一用戶的好友集合；

其中，所述依據(jù)所述第一好友信息、所述第二好友信息、所述第一時序及所述第二時序確定所述被推薦用戶與所述第一用戶的結(jié)構(gòu)相似度包括：

利用如下公式計算所述被推薦用戶與所述第一用戶的結(jié)構(gòu)相似度S₂；

所述i為所述第一用戶；所述j為所述被推薦用戶；所述N(i)是第一用戶的好友集合；所述N(j)為所述被推薦用戶的好友集合；

所述|N(i)∪N(j)|為所述第一用戶和所述被推薦用戶的好友集合的并集；

所述N(i)∩N(j)為所述第一用戶和所述被推薦用戶的共同好友集合；

所述α為時間衰減因子；

所述t_ik為所述第一用戶添加所述N(i)∩N(j)中第k個共同好友的時序；

所述t_jk為所述被推薦用戶添加所述N(i)∩N(j)中第k個共同好友的時序；

所述|t_ij-t_ik|為第一用戶和所述被推薦用戶分別添加所述第k個共同好友的時序差；

所述K為所述N(i)∩N(j)包含的用戶個數(shù)，為0或正整數(shù)。